La personalidad puede ayudar a comprender cómo distintos colaboradores adoptan y utilizan la inteligencia artificial (IA), pero no permite identificar un único perfil de dependencia. Tampoco es adecuado concluir que una puntuación alta o baja en determinada escala provoca, por sí sola, un uso irresponsable de estas herramientas.

A decir de Simón Castillo, Gerente de Práctica para Distribuidores Internacionales y Director Regional para las Américas en Hogan Assessments, los rasgos de personalidad describen tendencias conductuales y reputacionales que pueden manifestarse de manera diferente según el contexto, las exigencias del puesto, la cultura organizacional y el estilo de liderazgo.

Y es que durante el primer trimestre de 2026, el 20.1 por ciento de la población en edad laboral en México utilizó IA generativa, frente al 17.8 por ciento a nivel mundial, según el informe Difusión global de la IA: tendencias y perspectivas del primer trimestre de 2026, del Microsoft AI Economy Institute. En México, la adopción aumentó 2.3 puntos porcentuales respecto al primer semestre de 2025, cuando se ubicaba en 16.7 por ciento.

Consultado sobre las características que podrían influir en una mayor propensión a depender de la IA, el experto explicó en entrevista que una puntuación baja en Curiosidad puede asociarse con un enfoque práctico y orientado a la implementación. En algunos casos, esto podría llevar a utilizar la IA principalmente para obtener una solución inmediata, sin explorar otras posibilidades. Sin embargo, una puntuación muy alta también puede representar riesgos, como entusiasmo excesivo por ideas novedosas, experimentación constante o generación de propuestas que no se analizan ni implementan con rigor.

“En Estilo de Aprendizaje, una puntuación baja puede reflejar una preferencia por aprender mediante la experiencia y adquirir información conforme se necesita. Esto podría reducir el interés por comprender cómo funciona la IA o cuáles son sus limitaciones. Una puntuación alta, en cambio, puede favorecer la actualización y el aprendizaje continuo, aunque también podría generar exceso de confianza intelectual o fascinación por la tecnología”, abundó.

En Estabilidad Emocional, una puntuación baja en la Encuesta de Desarrollo de Hogan (HDS) puede relacionarse con una mayor preocupación por cometer errores o recibir críticas, lo que podría llevar a buscar confirmación frecuente en una herramienta de IA. En el extremo contrario, una puntuación muy alta podría favorecer una confianza excesiva en los resultados y reducir la revisión de las propias conclusiones. Castillo subrayó que se trata de hipótesis conductuales que deben interpretarse dentro del perfil completo y nunca como diagnósticos de dependencia tecnológica.

¿Cómo aprovechar la IA sin generar dependencia?

Pero la solución no consiste en restringir indiscriminadamente la tecnología ni en utilizarla sin condiciones. El primer paso es clasificar las tareas según su nivel de riesgo: la IA puede emplearse con mayor autonomía en actividades repetitivas, reversibles y de bajo impacto, mientras que las decisiones estratégicas, legales, financieras, clínicas, laborales o reputacionales requieren una revisión humana explícita y documentada.

“El segundo paso es capacitar a los colaboradores no solo en el funcionamiento de las herramientas, sino también en sus límites. Saber escribir instrucciones eficaces no equivale a tener alfabetización en IA. Los empleados necesitan aprender a verificar fuentes, detectar errores, reconocer sesgos, proteger información y distinguir entre una respuesta plausible y una respuesta sustentada”, puntualizó.

El tercer paso es preservar la llamada “fricción cognitiva productiva”. No toda fricción representa ineficiencia. Formular primero el problema, generar una hipótesis propia, contrastar alternativas y explicar una decisión son actividades que mantienen activo el juicio profesional. “Para ello, las organizaciones pueden establecer protocolos que permitan definir el problema antes de consultar la IA, registrar los principales supuestos, utilizar la herramienta para ampliar alternativas en lugar de elegir automáticamente una y verificar las afirmaciones relevantes”.

También pueden establecerse prácticas individuales para proteger determinadas capacidades. Por ejemplo, un profesional que busca desarrollar su escritura puede pedir a ChatGPT que, antes de redactar un artículo, le proporcione preguntas, una estructura, argumentos contrapuestos y criterios de evaluación, en lugar de entregar directamente el texto terminado. “Sin embargo, estas medidas no sustituyen la gobernanza organizacional: las empresas necesitan herramientas autorizadas, políticas claras sobre el uso y protección de datos, controles de acceso, procesos de auditoría y responsabilidades definidas”, alertó.

El papel de los líderes también resulta determinante

Su responsabilidad va más allá de aprobar herramientas de IA o exigir mejoras de productividad, toda vez que deben modelar el comportamiento esperado: un líder que utiliza IA para tomar decisiones que no puede explicar transmite que la apariencia de certeza importa más que el razonamiento. En cambio, quien cuestiona los resultados, reconoce la incertidumbre y solicita evidencias demuestra que la tecnología es un apoyo, no una autoridad incuestionable.

Los líderes también deben establecer niveles diferenciados de supervisión y evitar métricas que premien únicamente la velocidad y el volumen. No todas las tareas requieren el mismo nivel de revisión, por lo que es necesario definir cuándo se permite automatizar, cuándo se requiere validación humana y qué decisiones deben permanecer bajo control de las personas. Además de la cantidad de trabajo producido, el desempeño debe considerar factores como calidad, precisión, originalidad, impacto, capacidad de explicación y responsabilidad.

La ventaja competitiva no pertenecerá necesariamente a las organizaciones que utilicen más IA, apuntó Castillo, sino a aquellas que sepan combinar la velocidad de la tecnología con la curiosidad, el criterio, la responsabilidad y la capacidad de cooperación de las personas.

“La meta, por tanto, no debe ser proteger a los seres humanos de la IA ni a la IA de los errores humanos. Debe ser diseñar sistemas de trabajo en los que cada parte haga aquello para lo que está mejor preparada: la tecnología procesa, genera y compara; las personas interpretan, cuestionan, deciden y responden por las consecuencias”, finalizó.

*Si te ha resultado interesante este artículo, te animamos a seguirnos en TWITTER y a suscribirte a nuestra NEWSLETTER DIARIA.

RRHHDigital